Trans-eQTLs Can Be Used to Identify Tissue-Specific Gene Regulatory Networks
Notice bibliographique
Résumé
Previous high-throughput screening studies have indicated that trans-eQTLs tend to be tissue-specific. This study investigates whether this feature can be used to identify tissue-specific gene regulatory networks. eQTL data for 19,960 genes were obtained from the eQTLGen study. Next, eQTLs displaying both cis- and trans-regulatory effects (p < 5 × 10−8) were selected, and the association between their corresponding genes was examined by Mendelian randomization. The findings were further validated using eQTL data from the INTERVAL study. The trans-regulatory impact of 138 genes on 342 genes was detected (p < 5 × 10−8). The majority of the identified gene-pairs were aggregated into networks with scale-free topology. An examination of the function of genes indicates they are involved in immune processes. The hub genes primarily shared transcription regulation activity and were associated with blood cell traits. The hub gene, DDAH2, impacted several metabolic and autoimmune disorders. On average, a gene in the network was under the regulatory control of 34 cis-eQTLs and 6 trans-eQTLs, and genes with higher heritabilities tended to exert higher regulatory impacts. This study reports tissue-specific gene regulatory networks can be detected by investigating their genomic underpinnings. The identified networks displayed scale-free topology, indicating that hub genes within a network could be targeted to correct abnormalities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».